对图像缩放中有理插值方法的一种新讨论

利用有理函数可有效逼近大挠度曲面的特点,该文提出一类新的数字图像缩放方法,即构造出性能优良的多元混合切触连分式重建图像插值核函数,使其较好保持图像的梯度特征,并对其边缘位置和方向具有良好的适应性.基于四元数代数理论,将彩色图像象素点的三个颜色分量当作一个纯四元数处理,构造出基于Clifford代数的四元数连分式插值格式,将R,G,B三色通道并行处理,使之较传统方法具有更高的计算效率、较好的色彩保真性和更好的保边缘特性。     

微胶囊-纤维水泥基复合材料动态劈裂拉伸性能研究

采用 Φ120 mm分离式霍普金森压杆(Split Hopkinson Press Bar,SHPB)试验装置进行巴西圆盘劈裂试验,研究在应变率范围0.96～30.30 s-1微胶囊-纤维水泥基复合材料的应变率敏感性和破坏规律.试验结果表明,水泥基复合材料具有明显的应变率效应,其劈裂抗拉强度随着应变率的增加而提高,掺入聚乙烯醇(P V A)-聚乙烯(P E)混杂纤维时水泥基复合材料劈裂抗拉强度最高.在动态荷载作用下,掺入纤维不仅能有效抑制基体微裂纹的萌生和降低扩展速度,而且能改善微胶囊自修复混凝土的抗冲击韧性.     

基于函数型数据时间序列建模的单传感器日常行为识别

在基于惯性传感器的人体行为识别中,传统算法常忽略行为的周期性与时序性,对提取特征的滑动窗口大小也有相应要求.文中基于单个腰部传感器分析人体日常行为,提出面向周期行为的函数型数据分析方法和隐马尔可夫模型结合的行为识别算法.首先,使用函数型数据分析方法,拟合周期性日常行为的动作捕捉数据,提取拟合后的单个周期数据.然后基于此周期时间序列数据建立描述各个日常行为过程的隐马尔可夫模型.最后,使用最大似然估计判别行为,得到识别结果.该算法通过单个腰部传感器即可快速有效地识别8种日常行为,在基于用户依赖策略和用户独立策略时识别率较高.     

高速公路规划步骤探讨

高速公路是20世纪30年代在西方发达国家开始出现的为汽车交通提供特别服务的基础设施,高速公路在运输能力、速度和安全性方面具有普通公路无法比拟的突出优势,“快速、安全、经济、舒适”已成为高速公路运输的代名词。高速公路建设对实现土地均衡开发、缩小地区差距、增强发达地区的经济辐射力、提高现代物流效率具有重要作用。     

基于理想点法的大中型光伏电站接入电网决策方法研究

随着光伏产业的发展和大中型光伏电站接入电网规模和数量的日益增长,为光伏企业及电网公司提供技术经济最优的接入电网方案成为亟待解决的问题。本文首先提出了大中型光伏电站接入电网相关评价指标,对投资规模、电源消纳能力、网损和短路容量比等决策属性进行评价;其次采用层次分析的主观权重赋值和熵值法的客观权重赋值分别对各决策属性进行赋值;最后提出了基于理想点法的主客观综合评价模型选择最优决策方案。通过工程案例验证了评价模型的有效性和可行性。     

超高密度无线网络的自组织技术

网络密集化是应对未来5G无线网络容量提升1 000倍挑战的主要手段之一,且超高密度网络中单节点要配置和优化的参数超过2 000个,因此,只有通过新一代自组织技术来感知网络运行的态势,自主发现和调配网络资源来精准匹配网络中的业务流,才能有效提高网络的承载能力。分析了超高密度网络自组织技术面临的挑战和呈现的新属性,给出了超高密度网络中自组织技术的2个典型用例,展望了超高密度无线网络中自组织技术的发展前景和方向。     

认知Wi-Fi 2.0网络：未来智能无线局域网

针对认知Wi-Fi 2.0网络典型的布设场景,总结其特有的信道捆绑等关键技术。提出双层动态频谱接入模型,总结其多样的动态资源共享策略。面向频谱资源的高效利用和经济收益,重点关注多种博弈模型,刻画动态频谱接入和智能策略选择等行为。最后,提出联合频谱的技术特性和经济收益特性的频谱共享策略,并展望该领域的未来研究问题。     

基于嵌入式Linux平台的移动自组织网Internet接入方案及实现

随着通信技术的发展,移动自组织网络得到了越来越广泛的应用,同时多网的互联互通也是大势所趋.基于在分层移动自组织网中实现Internet接入的意义和功能,提出并实现了一种Internet接入方案.结合设计方案,介绍了基于Motorola公司的ColdFire嵌入式处理器MCF5272和uClinux操作系统所建立的系统软硬件平台.     

认知网络中基于网络辅助的速率控制方法

面向多速率业务的认知网络,为了克服其动态性并实现速率控制的自主性,在改进IEEE 1900.4系统架构的基础上提出了速率控制框架。探讨不同层面不同尺度的速率控制方案。重点研究终端侧短期实时速率控制的问题。首先,基于非合作博弈提出分布式自主速率选择方法;进而,基于合作博弈提出基于网络辅助的中心式速率分配方法。仿真结果表明,后者较前者获得近60%的效能和一定的公平性改善,同时也验证了定价函数设计能够有效地改进公平性。     

单传感器数据驱动的人体日常短时行为识别方法

在基于惯性传感器的人体行为识别研究中，特征提取是其中的关键环节之一。而离散数据统计特征的稳定性依赖于特征提取的窗口大小。一般来说，训练数据的窗口长度需要大于一个运动周期。因此，针对测试数据远小于一个运动周期的短序列样本识别问题，提出了一种基于模板匹配的新的解决方案。首先，通过适当分割训练数据的长序列样本，构建一个过完备的短时行为模板库，将待测短时样本与模板库中样本进行一致化处理并进行匹配；其次，在匹配算法中，采用样本间的F范数与整体梯度向量的2范数累加作为匹配度量准则，得到相似度直方图；最后，基于相似度直方图，根据投票策略得到最终分类识别结果。实验表明:在使用单传感器识别短时行为的情况下，新算法比传统算法在精度和稳定性上具有更好的性能，并能适应不同窗口下短时行为分类问题。